视网膜和胸腔微血管以及OCTA中的结构分析,用于使用机器学习进行折射性眼盲诊断

科学领域:

• 眼科医生 眼科 眼科
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 眼,或"惰的眼睛",影响儿童的视觉发育.
• 目前对眼的诊断方法可能无法捕捉微妙的微循环变化.

研究的目的:

• 为了比较视网膜和冠状腺的微循环和结构,在眼与健康的青少年.
• 开发一种机器学习模型,使用OCTA成像对视的分类.

主要方法:

• 在19名患有超视光折射眼的青少年和22名对照人群中,进行了光学连贯性断层动脉扫描 (OCTA) 的斑点扫描.
• 分析了视网膜厚度,胸膜厚度和毛细血管 perfusion 密度.
• 机器学习算法,包括随机森林和交叉验证,用于分类.

主要成果:

• 眼患者的眼睛表现出明显增加的视网膜和冠状腺厚度,特别是在中央和鼻子区域.
• 没有发现表面和深层毛细管 perfusion 密度的显著差异.
• 机器学习模型在分类双眼和正常眼睛方面达到92%的准确性.

结论:

• 折射性眼盲与更厚的视网膜和胸膜层有关.
• OCTA与机器学习相结合,为诊断折射性眼提供了一个强大的框架.
• 使用随机森林和交叉验证的自动分类提高了诊断精度.